[發(fā)明專利]用于輸電線路可視化檢測場景的視頻穩(wěn)像方法

在審

• 申請?zhí)枺?/td>: 202211414383.8
• 申請日: 2022-11-11
• 公開（公告）號: CN115689939A
• 公開（公告）日: 2023-02-03
• 發(fā)明（設計）人: 莊杰;付以賢;杜遠;張健;程鳳璐;畢宬;陳培峰;鞏乃奇;曹亞華
• 申請（專利權）人: 國網山東省電力公司超高壓公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/223;G06V20/52;G06V20/40;G06V10/25;G06V10/764;G06V10/766;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 青島聯智專利商標事務所有限公司 37101
• 代理人: 周容

本發(fā)明公開了一種用于輸電線路可視化檢測場景的視頻穩(wěn)像方法，包括：收集戶外環(huán)境圖像并標注非運動物體，建立原始圖像數據和目標圖像數據，構建原始目標檢測模型并訓練，得到最終目標檢測模型，檢測實時視頻中的非運動物體，選擇運動估計目標并計算運動向量，計算全局運動向量，使用卡爾曼濾波進行處理，執(zhí)行運動補償；本發(fā)明特別使用于輸電線路可視化檢測場景，避免弱化目標對象，例如導線舞動的抖動，提高導線舞動檢測精度；該方法可以提供非運動物體的位置，使塊匹配算法能夠更精準的聚焦到相應位置，能夠提升運動向量的準確性，提升后續(xù)的穩(wěn)像效果。

技術領域

本發(fā)明屬于輸電工程技術領域，尤其涉及一種用于輸電線路可視化檢測場景的視頻穩(wěn)像方法。

背景技術

隨著信息化技術的發(fā)展與進步，數字化社會和新基建等概念相繼提出，作為城市流動血液載體的輸電線路在這場變革中承擔著重要職責。因此，輸電線路的智能可視化檢測技術被廣泛應用，但由于外部因素的影響，輸電線路的監(jiān)控拍攝視頻經常存在抖動現象，嚴重影響導線舞動等異常事件的檢測。

通常采用視頻穩(wěn)像技術來克服這一問題，視頻穩(wěn)像技術是指利用相關的算法，對視頻設備采集的原始視頻序列進行處理，去除其中的抖動。視頻穩(wěn)像的目的，一方面是為了讓人眼觀感舒適，有利于人工觀測、判別等，另一方面也作為諸多其它后續(xù)處理的預處理階段，例如檢測、跟蹤和壓縮。目前最常用的是電子（數字）穩(wěn)像，基于在連續(xù)視頻圖像之間進行運動估計，然后對視頻中的每一幀圖像進行運動濾波和運動補償處理得到穩(wěn)定的圖像。電子（數字）穩(wěn)像的方法大體上說包括三個步驟：運動估計，運動補償和圖像修補。

其中，制約數字穩(wěn)像技術發(fā)展的主要因素是運動估計，運動估計的基本思想是將圖像序列的每一幀分成許多互不重疊的宏塊，并認為宏塊內所有像素的位移量都相同，然后對每個宏塊到參考幀某一給定特定搜索范圍內根據一定的匹配準則找出與當前塊最相似的塊，即匹配塊，匹配塊與當前塊的相對位移即為運動矢量。視頻壓縮的時候，只需保存運動矢量和殘差數據就可以完全恢復出當前塊，得到運動矢量（也稱運動向量）；這一過程被稱為運動估計。現有技術中通常使用局部運動矢量來近似代替全局運動矢量，例如上述的塊匹配法，以及光流法、特征點檢測法等進行運動矢量的計算。但是上述方法選取或計算的區(qū)域具有隨機性，不具有固定屬性。這會導致全局運動估計的不準確，例如當相機和導線同時抖動時，如果按照導線區(qū)域進行前后幀之間的運動向量計算，穩(wěn)像后將可能弱化導線的抖動，從而導致進一步的導線舞動檢測的精度下降。

本背景技術所公開的上述信息僅僅用于增加對本申請背景技術的理解，因此，其可能包括不構成本領域普通技術人員已知的現有技術。

發(fā)明內容

本發(fā)明針對現有技術的運動估計算法通常使用局部運動矢量來近似代替全局運動矢量，選取或計算的區(qū)域具有隨機性，不具有固定屬性。這會導致全局運動估計不準確，尤其是穩(wěn)像后可能弱化導線的抖動，導致進一步的導線舞動檢測精度下降的問題，設計并提供一種用于輸電線路可視化檢測場景的視頻穩(wěn)像方法。

為實現上述發(fā)明目的，本發(fā)明采用下述技術方案予以實現：

用于輸電線路可視化檢測場景的視頻穩(wěn)像方法，其特征在于，包括以下步驟：

步驟S1：收集數據采集單元監(jiān)控拍攝的戶外環(huán)境圖像，對其中的非運動物體進行標注；獲取非運動物體的標注圖像數據集；

步驟S2：選擇標注圖像數據集作為原始圖像數據；從原始圖像數據中剔除面積小于設定剔除面積的標注對象圖像，將剔除后的標注圖像數據集作為目標圖像數據；將目標圖像數據劃分為訓練圖像數據集和測試圖像數據集；

步驟S3：構建用于非運動物體檢測的原始目標檢測模型;

步驟S4：使用原始圖像數據，以及目標圖像數據的訓練圖像數據集對構建的用于非運動物體檢測的原始目標檢測模型進行訓練得到最終目標檢測模型；

步驟S5：實時采樣數據采集單元監(jiān)控拍攝的監(jiān)控范圍的視頻，在視頻中抽取連續(xù)的當前幀和參考幀，將當前幀和參考幀圖像輸入最終目標檢測模型中，利用最終目標檢測模型檢測非運動物體；